[发明专利]目标检测网络优化方法、目标检测方法、装置和存储介质

权利要求书

1.一种目标检测网络的优化方法，其特征在于，该方法具体包括：

1)使用通道注意力机制，获取目标检测网络中的通道权重；

2)使用空间金字塔池化SPP以及通道注意力机制，扩大目标检测网络中特征图的感受野；

3)将1)和2)的结果相乘后，在空间维度上进行拼接，进行局部到整体的通道加权。

2.根据权利要求1所述的一种目标检测网络的优化方法，其特征在于，所述步骤1)包括：对原始特征图进行区域划分，各区域分别通过通道注意力机制来获得不同的通道权重，将不同区域得到的通道权重进行空间上的拼接。

3.根据权利要求2所述的一种目标检测网络的优化方法，其特征在于，对不同区域分别使用通道注意力机制，公式如下：

P’_ij＝sigmoid(FC2(FC1(M(P_ij)+A(P_ij))))

其中P’_ij为P_ij对应的通道权重，P_ij为原始特征图的第i行第j列区域，M表示最大池化操作，A表示平均池化操作，FC1和FC2均表示1×1卷积操作。

4.根据权利要求1所述的一种目标检测网络的优化方法，其特征在于，所述步骤2)包括：对原始特征图使用空间金字塔池化SPP，并在每个池化层后嵌入通道注意力机制，最后将获得的新特征图与原始特征图在通道维度上进行拼接。

5.根据权利要求4所述的一种目标检测网络的优化方法，其特征在于，对原始特征图使用包括5×5、9×9、13×13三种不同尺度的最大池化层的SPP，并在每个池化层后嵌入通道注意力机制，该过程公式如下：

S₁＝S×sigmoid(FC4(FC3(M(M_5×5(S))+A(M_5×5(S)))))

S₂＝S×sigmoid(FC4(FC3(M(M_9×9(S))+A(M_9×9(S)))))

S₃＝S×sigmoid(FC4(FC3(M(M_13×13(S))+A(M_13×13(S)))))

其中S代表原始特征图，S₁、S₂、S₃分别表示S通过5×5、9×9、13×13的最大池化层和通道注意力机制得到的结果，M表示最大池化操作，A表示平均池化操作，M_5×5、M_9×9、M_13×13分别表示5×5、9×9、13×13的最大池化操作，FC3和FC4均表示卷积操作。

6.根据权利要求1所述的一种目标检测网络的优化方法，其特征在于，所述步骤3)具体包括：

将1)和2)的结果相乘得到：

S”_ij＝S’_ij×P’_ij

其中S’_ij为2)的结果S'的第i行第j列区域，P’_ij为原始特征图的第i行第j列区域对应的通道权重。

7.一种目标检测方法，其特征在于，包括：

获取样本集，对采用如权利要求1至6中任一所述的优化方法优化得到的目标检测网络进行训练，得到目标检测模型；

利用目标检测模型对待检测图像进行处理，得到待检测图像的目标检测结果。

8.根据权利要求7所述的一种目标检测方法，其特征在于，所述目标检测结果包括待检测图像中的目标所处位置以及分类结果。

9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求1至6任一项中所述的优化方法。

10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至6任一项中所述的优化方法。